Extracto
La hipoxia tisular induce la reprogramación del metabolismo celular y puede dar lugar a la transformación de células normales y la progresión del cáncer. La hipoxia-inducible factor 1-alfa (HIF-1α), el factor de transcripción clave, juega un papel importante en el desarrollo de cáncer gástrico y la progresión. Este estudio tuvo como objetivo investigar la vía de señalización reglamentaria subyacente en el cáncer gástrico usando muestras de tejido de cáncer gástrico. La integración del perfil de expresión génica y la base de datos de elemento regulador transcripcional (TRED) fue perseguido para identificar HIF-1α ↔ vías genéticas BRCA1 NFκB1 → → ← STAT3 STAT1 y sus genes regulados. Los datos mostraron que había 82 genes expresados diferencialmente que podrían ser reguladas por estos cinco factores de transcripción en los tejidos de cáncer gástrico y de estos genes se formaron 95 modos de regulación, entre las que siete genes (MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS, y TFF3 ) eran moléculas de cubo que están regulados al menos por dos de estos cinco factores de transcripción al mismo tiempo y se asociaron con la hipoxia, inflamación, y el trastorno inmunológico. Real-Time PCR y Western blot mostraron aumento de HIF-1α en el ARNm y los niveles de proteína, así como TIMP1, TFF3 en los niveles de ARNm en tejidos de cáncer gástrico. Los datos son el primer estudio en demostrar HIF-1a-regulado factores de transcripción y sus genes de red correspondientes en el cáncer gástrico. Se necesitan más estudios con un tamaño de muestra más grande y más experimentos funcionales para confirmar estos datos y luego traducir en el descubrimiento de biomarcadores clínicos y la estrategia de tratamiento para el cáncer gástrico
Visto:. Wang J, Ni Z, Z Duan, Wang G , Li F (2014) alteraciones en la expresión de factor inducible por hipoxia-1α (HIF-1α) y sus genes reguladores en el cáncer gástrico tejidos. PLoS ONE 9 (6): e99835. doi: 10.1371 /journal.pone.0099835
Editor: Pankaj K. Singh, Universidad de Nebraska Medical Center, Estados Unidos de América
Recibido: 10 Enero, 2014; Aceptado: 19-may de 2014; Publicado: 13 Junio 2014
Derechos de Autor © 2014 Wang et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Financiación:. Este trabajo fue apoyado en parte por subvenciones de la Fundación Nacional de Ciencias Naturales de China (# 81320108025 y#81271897), Fondo de Investigación Especializada para el Programa de Doctorado de Educación Superior de China (# 20110061120093), China Fundación postdoctoral Ciencia (# 20110491311 y#2012T50285), Fundación de Jilin Departamento Provincial de Salud (# 2011Z049), Fundación de la provincia de Jilin Ciencia y Tecnología Departamento (# 20130522013JH y#20140414048GH) y el Programa de Bethune Norman, de la Universidad de Jilin (# 2012219). Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer gástrico es el cuarto cáncer más común y la segunda causa principal de muerte por cáncer en el mundo, que afecta aproximadamente a 800.000 personas y 65.000 muertes relacionadas con cáncer cada año [1]. Estudios anteriores demostraron que el metabolismo celular aberrante es una característica clave durante la tumorigénesis y la progresión del cáncer [2], [3]. Especialmente, la reprogramación del metabolismo energético se ha incluido como una característica emergente de cáncer [4] y el metabolismo energético anormal es detectable en el cáncer humano diferente, es decir, las células cancerosas se reprogramar su metabolismo por el aumento en la glucólisis en lugar de la fosforilación oxidativa mitocondrial para generar células la energía [5]. La hipoxia tisular es una fuerza impulsora fundamental que conduce a la reprogramación del metabolismo celular [6]. Bajo ambiente hipoxia, la glucólisis celular se induce y conduce a aumentar la proliferación celular y, a su vez, formando un círculo vicioso de hipoxia aumentando la hipoxia-proliferación de que promueven la transformación celular y la progresión del cáncer [7]. A nivel del gen, hipoxia-inducible factor-1 de (HIF-1) es el principal activador transcripcional sensible al oxígeno y ayuda a las células para adaptar la tensión de oxígeno baja (hipoxia) [8]. HIF-1 se compone de una β-subunidad expresado constitutivamente y una α-subunidad inducible por hipoxia. Este último (HIF-1α) solamente se estabiliza en condiciones de hipoxia y regula HIF-1 actividad transcripcional [9]. Hasta la fecha, se muestra HIF-1α para activar múltiples genes diana que involucran en aspectos cruciales de la biología del cáncer, incluyendo la eritropoyesis, angiogénesis, metabolismo de la glucosa, la proliferación /supervivencia celular y la apoptosis [10]. HIF-1α puede interactuar con varios otros factores de transcripción relacionados con el cáncer (TFS) y formar una red de regulación de la transcripción de genes TF-complejo durante el desarrollo y progresión del cáncer. Por lo tanto, una concepción no está levantado, sorprendentemente, que las células cancerosas tienen diferencial y patrones de transcripción patológicos en comparación con las células normales [11]. Estudios anteriores mostraron sobre regulación de la expresión de HIF-1α en tejidos de cáncer gástrico y las células [12], [13], mientras que los mecanismos de regulación precisa subyacentes aún no se han definido. Por lo tanto, en este estudio, hemos utilizado las Affymatrix Exon Arrays para identificar el perfil de expresión diferencial de genes en tejidos de cáncer gástrico, y se realizó PCR en tiempo real y análisis de transferencia Western para validar los datos. Hemos construido aún más la red aberrante transcripción TF-gen regulador asociado con la expresión de HIF-1α por integración de la base de datos elemento regulador transcripcional (TRED) [14] y el perfil de la expresión génica utilizando software Cytoscape. En este estudio se pudo identificar una exposición sistemática de los modos de regulación transcripcional asociados relacionados con la hipoxia y proporcionar información detallada para el futuro descubrimiento de biomarcadores y novedosa estrategia de tratamiento para el cáncer gástrico.
Resultados y Discusión
Perfiles de manera diferencial los genes expresados en el cáncer gástrico en comparación con los tejidos normales
para identificar los genes expresados diferencialmente en el cáncer gástrico, se utilizó el Affymatrix Exon Arrays que contienen 17.800 genes humanos para perfilar cinco pares de cáncer gástrico y los tejidos normales (la información de los pacientes eran mostró en la Tabla S1). Encontramos un total de 2546 genes expresados diferencialmente, de los cuales 2.422 fueron reguladas y 124 se redujeron reguladas (Tabla S2). Específicamente, HIF-1α fue significativamente altamente expresado en tejidos de cáncer gástrico en comparación con los tejidos normales adyacentes (P & lt; 0,01). Hemos validado aún más los datos de microarrays mediante la realización cuantitativa en tiempo real RT-PCR y Western blot en otros 10 pares de cáncer gástrico frente a tejidos normales (la información de los pacientes se mostraron en la Tabla S1). La expresión de ARNm de HIF-1α mostró 2,55 ± 0,56 veces sobre regulación en los tejidos tumorales en comparación con los normales (p & lt; 0,01); El análisis de transferencia Western mostró una clara separación entre la densidad relativa de proteínas de HIF-1α en tejidos de cáncer (0,41 ± 0,24) frente a los normales (0,17 ± 0,15) con p & lt; 0.01, los resultados se pueden ver en la Figura 1 y la Figura S1. De hecho, un estudio previo mostró que HIF-1α se expresa de forma ubicua en los tejidos humanos y de ratón en condiciones de hipoxia [15] y en tejidos de cáncer gástrico [12], [13], la sobreexpresión de la cual fue asociada con un mal pronóstico de los pacientes con cáncer gástrico [12 ], [13]. Por lo tanto, se analizaron más TFS sobreexpresión asociada a HIF-1α y su potencial de orientación genes en los tejidos de cáncer gástrico.
a y b, la detección de HIF-1α, TIMP1 y expresión TFF3 mRNA en el cáncer gástrico tejidos normales vs. usando PCR y QRT-PCR. Los niveles de HIF-1α, TIMP1, TFF3 ARNm fueron 2.55 ± 0.56, 1.58 ± 0.25, 2.16 ± 0.59 pliegues hasta reguladas en los tejidos tumorales, respectivamente, en comparación con los de los normales. * P & lt; 0,01. cyd, Western blot de la proteína HIF-1α. Los tejidos tumorales expresan un mayor nivel de proteína HIF-1α en comparación con los normales [p & lt; 0,01 (d). N, tejidos normales; C, tejidos de cáncer (c)].
Identificación de TFS sobreexpresión asociada a HIF-1α y sus potenciales dirigidas a genes en tejidos de cáncer gástrico
Para identificar HIF-1α sobreexpresión-asociado TFS y sus posibles genes de segmentación, base de datos de elemento regulador transcripcional (TRED) proporciona una herramienta única para analizar tanto
cis CD - y
trans CD - elementos reguladores en los mamíferos, lo que ayuda a comprender mejor el amplio reglamentos de genes y las redes de regulación, especialmente a nivel de las regulaciones de la transcripción. Por lo tanto, utilizando el perfil de expresión génica de integración e información regulatoria de TRED, analizamos HIF-1α y otros cuatro factores de transcripción relacionados con HIF-1α (es decir, NFκB1, BRCA1, STAT3 y STAT1) que eran todos hasta reguladas en el cáncer gástrico tejidos y encontraron que forman estas redes reguladoras de genes con TF-82 genes, de los cuales 79 fueron reguladas y 3 se redujeron reguladas (Tabla S3). La Figura 2 muestra el análisis bi-clusters de estos 82 genes expresados diferencialmente en los tejidos de cáncer gástrico en comparación con los tejidos normales.
Cada fila representa un gen y cada columna representa una muestra, las columnas "C" en la parte inferior representan el cáncer tejidos, "N" columnas representan los tejidos normales. & Gt; 1 Red para alta expresión en cáncer, en comparación a la normalidad y & lt; 1 verde para una baja expresión en el cáncer en comparación con los normales
Después de eso, la base de datos para anotación, y Visualización Integrada Discovery (DAVID. ) [16] se aplicó para la anotación funcional de estos 82 genes expresados diferencialmente. Hicimos una lista de los cuatro principales clases de enfermedades que asocian con estos 82 genes aberrantes (Tabla 1) y se encontró que la clase más importante es el cáncer con 29 genes seguida de la infección (18 genes), cardiovasculares (25 genes) y la enfermedad inmune (26 genes) .
identificación del factor de transcripción de genes relacionados con el cáncer gástrico (TF-gen) a la red
sobre la base de base de datos de elemento regulador de la transcripción y el perfil de expresión génica, hemos construido relacionados con la red de regulación transcripcional a HIF-1α ↔ NFκB1 → → BRCA1 STAT3 ← STAT1 con estos 82 genes en tejidos de cáncer gástrico. Nuestros datos muestran que estos 82 genes pueden formar 95 modos diferentes de regulación (Figura 3A) y la TF-gen modos de regulación información detallada aparece en la Tabla S4
.
Los círculos rojos en A están regulados los genes, mientras que el verde círculos son los genes regulados hacia abajo y los triángulos amarillos son estos cinco TFS clave. B, El breve marco de esta red. Los círculos son los genes agrupados y el número de genes se muestra en su interior. La dirección de la flecha es desde el origen al destino.
Con el fin de comprender mejor la red de regulación, hemos construido un breve marco de la red (Figura 3B). Los factores de transcripción HIF-1α ↔ NFκB1 → → BRCA1 STAT3 ← STAT1 fueron capaces de formar el marco de la red de regulación mediante el cual regula directamente 21, 45, 2, 12, y 10 genes, respectivamente. NFκB1 estaba regulada directamente por HIF-1α y era verdad que la mayoría de la red de regulación se regula directamente por HIF-1α (21/82) y NFκB1 (45/82), los reguladores clave relacionadas con la hipoxia y la inflamación en cáncer [ ,,,0],17]. El cáncer gástrico se caracteriza por la hipoxia tisular y la inflamación crónica (como
Helicobacter pylori
). En nuestro estudio actual, HIF-1α fue significativamente hasta reguladas en el cáncer gástrico en comparación con los tejidos normales adyacentes (P & lt; 0,01). Por otra parte, nuestros datos actual mostró que la expresión de más de 20 genes que son regulados directamente por HIF-1α fue alterado en los tejidos de cáncer gástrico, incluyendo NFκB1, la molécula regulador clave en la inflamación y el cáncer [18] y la orientación de NFkB podría ser útil en quimioprevención de varios cánceres humanos [19].
el aguas abajo de la red de vía de reglamentación se rige principalmente por STAT3 (12/82) y STAT1 (10/82), los miembros de transductor de señal y activador de la familia de transcripción ( STAT). STAT de señalización con Jak es una vía canónica para regular genes que están implicados en muchos procesos fisiológicos mediante la transferencia de señales desde la membrana celular al núcleo [20]. Para regular la señalización de citoquinas paracrina y alteraciones en los sitios metastásicos, STAT3 ejerce efectos tanto extrínsecos tumor intrínseco y [21]. Orientación de la vía de señalización Jak-STAT3 se considera como una estrategia terapéutica potencial, especialmente en el contexto de la inflamación y la inmunidad tumoral [21]. desregulación continua de genes por NFkB persistentemente activado y STAT3 en microambiente tumoral es de dos aspectos cruciales para la inflamación y la progresión maligna [17]. Un estudio previo mostró un efecto cooperativo de STAT3 y HIF-1α en la activación de genes bajo ambiente de hipoxia en células de carcinoma de células renales [22]. El mecanismo específico de la activación de Jak-STAT, especialmente STAT3 en el cáncer gástrico queda por determinar, aunque nuestros datos actuales mostraron significativamente mayor nivel de JAK1, STAT3 y STAT1 expresión en tejidos de cáncer gástrico.
análisis de funciones del cubo -genes
Un factor dado puede regular la transcripción decenas, si no cientos, de los genes diana, mientras que un gen podría ser regulada por varios TFS diferentes en las redes reguladoras de genes. Por lo tanto, se asumió que los genes de cubo están siendo reguladas por varios factores de transcripción simultánea en el cáncer gástrico, que pueden tener efectos sinérgicos en la carcinogénesis humana. En el presente estudio, se identificaron siete genes (incluyendo MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS, y TFF3) que puede ser regulado directamente por al menos dos factores de transcripción, la mayoría de ellos son nodos hub que enlazan con NFκB1 y vía STAT (Figura 4). Dado que los factores de transcripción regulan los genes diana a través de una forma de transcripción-dependido de modular su expresión de ARNm, aquí hemos realizado QRT-PCR para examinar la expresión de TIMP1 y TFF3 mRNA, dos genes diana de HIF-a la expresión relativa de TIMP1 y TFF3 ARNm se 1,58 ± 0,25 y 2,16 ± 0,59 veces sobre regulados de cada diez tumores frente a tejidos normales, respectivamente (Figura 1).
los puntos suspensivos son genes de cubo que están regulados por factores de transcripción, los triángulos son estos cinco factores de transcripción en la red de regulación TF-gen.
Además, la familia de metaloproteinasas de la matriz (MMPs) es la matriz extracelular principal remodelación de enzimas, la actividad de los cuales es el resultado de la interacción entre las células tumorales y microambiente tumoral y está estrechamente controlada por activación de la transcripción, incluyendo una compleja cascada proteolítica de activación así como el sistema endógeno de inhibidores tisulares de las metaloproteinasas (TIMPs) [23]. MMP1 se ha informado a participar en la invasión de células de cáncer gástrico [24]. Por otra parte, TLR2 es miembro de los receptores tipo toll y desempeña un papel fundamental en el reconocimiento de patógenos y la activación de la inmunidad innata por la activación de NFkB. TLR2 puede funcionar como un iniciador para dar a las células infectadas o lesionadas una segunda oportunidad para convertirse en células cancerosas y la proliferación incontrolada de células [25]. Mientras tanto, el fragmento Fc de IgG, baja afinidad del receptor IIIa (FCGR3A, también conocido como CD16a) pertenece a la familia de receptores gamma Fc (FCGR).
FCGR3A
polimorfismo se asoció con susceptibilidad a ciertas enfermedades autoinmunes y FCGR3A tiene un papel importante en la eliminación de los complejos inmunes del cuerpo, y también participa en respuestas citotóxicas contra las células tumorales y agentes infecciosos [26]. El factor regulador de interferón (IRF) -1 es también una molécula activa inmune y el regulador de proceso inflamatorio, se encontró que la activación de IRF-1 y NF-kappa B para ser activado simultáneamente en melanoma [27]. Además, los polimorfismos del factor trébol 3 (
TFF3
) promotor se asociaron con la susceptibilidad gástrico cáncer [28] y TFF3 estaba regulado por tanto HIF-1 y NFkB [29]. La sobreexpresión de TFF3 era un indicador independiente para la supervivencia global de los pacientes con cáncer gástrico [30]. Una vez más, FAS (también conocido como TNFSF6 /CD95 /APO-1) pertenece a la superfamilia de necrosis tumoral receptor del factor (miembro 6) y juega un papel esencial en la regulación de la vía de apoptosis extrínseca [31]. la expresión de FAS reducida se asoció con el aumento del riesgo de cáncer por regulación a la baja de la apoptosis mediada por FAS [32]. Sin embargo, nuestros datos actuales muestran un alto nivel de expresión contradictoria de FAS en tejidos de cáncer más estudios ad gástrica se necesitan para confirmarla. En general, la expresión alterada de estos genes en los tejidos de cáncer gástrico necesita verificación adicional como biomarcadores para el diagnóstico de cáncer gástrico y el pronóstico. Estos genes son cruciales en la inflamación y la enfermedad relacionada con la inmunidad, lo que puede indicar además la importancia de
Helicobacter pylori
infección en el desarrollo del cáncer gástrico y la progresión.
Materiales y Métodos
Tejido especímenes
Un total de 15 pacientes con cáncer gástrico fueron reclutados para el cáncer y la recogida de tejido normal distante del primer hospital de la Universidad de Jilin, Changchun, china. Este estudio fue aprobado por el Comité de Ética de la Facultad de Ciencias Médicas Básicas, Universidad de Jilin, cada paciente se consintió en un formulario de consentimiento informado por escrito. Se analizaron de forma anónima los datos. Todos los tejidos fueron tomados de sala de cirugía y se congelaron y se almacenaron en nitrógeno líquido dentro de 10 minutos después de la resección. La TNM y la clasificación histológica se realizaron de acuerdo a criterios de la Organización Mundial de la Salud (OMS).
El aislamiento de ARN y la hibridación de microarrays y la exploración
ARN de tejidos fue aislado utilizando Trizol (Invitrogen, CA, EE.UU.) y purificó adicionalmente usando el kit RNeasy Mini (Qiagen, Düsseldorf, Alemania) de acuerdo con las instrucciones del fabricante. a continuación, la concentración de ARN se determinó utilizando el espectrofotómetro ultravioleta UV2800 (CINU, Nueva York, EE.UU.) con relación A260 /A280 entre 1.8~2.0 y la concentración de ARN se varió de 100 ng /l de 1 mg /l.
GeneChip Human exón 1,0 ST (Affymetrix, CA, EE.UU.) se utilizó para perfilar los genes expresados diferencialmente en los tejidos de cáncer gástrico en comparación con los normales de acuerdo con el protocolo proporcionado por Affymetrix (P /N 900223). En pocas palabras, se utilizó 1 g plantilla de ARN que transcribe inversamente en ADNc y las muestras de ADNc fueron digeridos en fragmentos de cDNA con endonucleasas y luego se marcaron con el reactivo de marcaje de ADN proporcionada por Affymetrix. Después de eso, las muestras de cDNA marcadas se utilizaron como sondas para hibridar con las virutas de la matriz mediante incubación a 45 ° C y se hacen girar a 60 rpm durante 17 h. Después se lava y se tiñen las fichas después de la hibridación, los chips fueron escaneados utilizando GeneChip Scanner3000 con GeneChip Software Operativo (GCOS). Todos los instrumentos, papas fritas, y los reactivos fueron todos adquiridos de Affymetrix.
Análisis de los genes expresados diferencialmente en el cáncer en comparación con los tejidos normales
GeneChip software operativo se aplicó a analizar los chips y extraer las imágenes en bruto de la señal datos. Los conjuntos de datos GEO del NCBI número de acceso de nuestro estudio es: GSE56807. datos de la señal en bruto fueron importados y analizados con el algoritmo Limma para identificar los genes expresados diferencialmente. Los modelos lineales y métodos empíricos de Bayes fueron analizar los datos. Esto impidió que un gen con un cambio muy pequeño pliegue de ser juzgado como diferencialmente expresado sólo a causa de un accidente pequeño SD residual. Los valores de p resultantes se ajustaron utilizando el algoritmo BH FDR. se consideraron los genes a ser significativamente expresados diferencialmente si tanto los valores FDR era & lt; 0,05 (control de la FDR espera que no más de 5%) y la expresión de genes mostraron cambios al menos 2 veces entre el cáncer y sus tejidos correspondientes normales con Log2FC & gt; 1 o log2FC & lt; -1, Valor de p & lt; 0.05.
Cuantitativa en tiempo real RT-PCR
Para el análisis de QRT-PCR, a menos de 5 mg de ARN total se transcribió de forma inversa en ADNc con 1
Kit st cadena de cDNA Synthsis (Takara , Dalian, china); la expresión de ARNm de HIF-1α humana, TIMP1 y TFF3 fueron examinados por QRT-PCR con SYBR Premezcla Ex Taq (Takara, Dalian, China) y Applied Biosystems 7300 Fast Real-Time PCR System. La expresión relativa de ARNm se normalizaron a ß-actina expresión por el método comparativo Ct (2
-ΔΔCt, Ct = Ct
target-Ct
β-actina, ΔΔCt = Ct
tumor? Ct
normal). Todos los cebadores se diseñaron con el Primer Premier 6 Software, secuencias de cebadores para la amplificación fueron listadas en la Tabla 2. Los datos de QRT-PCR se analizaron con GraphPad Prism versión 5.0, las diferencias entre los grupos fueron evaluados estadísticamente mediante muestras de una cola la prueba t de Student con p valor & lt;. 0,05 considerada como significativa
Western El análisis de transferencia
aproximadamente 1 mm
3 de las muestras de tejido fueron pulidos con nitrógeno líquido y luego se homogeneizaron en tampón de lisis celular (Beyotime, China) en 4 ° C durante 30 min, se quitó los restos celulares por centrifugación a 10.000 rpm durante 20 min en 4 ° C. La concentración de proteína se analizó por el ensayo de proteínas de Bradford (Bio-Rad, EE.UU.). Toda la proteína se separó con 10% SDS-PAGE y luego se transfiere a una membrana de PVDF (0,45 micras) durante 2 h. Después de 2 h de bloqueo por 5% de leche en TBST, se incubó la membrana con el ratón anti-HIF-1α (Santa Cruz, CA, EE.UU.) a 1:200 dilución y el ratón anti-β-actina (Proteintech, EE.UU.) a 1: dilución 2000 en 4 ° C durante 12 h y seguido de 2 h de incubación con anticuerpo de cabra anti-IgG de ratón (Proteintech, EE.UU.) a una dilución 1:2000. Después del lavado por TBST, detectado las señales de membrana utilizando un aumento de quimioluminiscencia ECL (Beyotime, China). El software Image J se aplicó para el análisis cuantitativo de la intensidad de la señal de HIF-1α con normalizaron con los niveles de beta-actina. Los datos fueron analizados con GraphPad Prism versión 5.0, las diferencias entre los grupos fueron evaluados estadísticamente mediante muestras de una cola la prueba t de Student con valor de p & lt; 0,05 considerada como significativa
Construcción de la red gen del factor de transcripción basada en la expresión génica. perfil y la base de datos de red transcripcional elemento regulador
el factor de transcripción de genes (TF) se calculó basándose en el perfil de expresión génica y la base de datos de elemento regulador transcripcional (TRED) utilizando el software Cytoscape de acuerdo con la reglamentación interacción y los valores de la expresión diferencial de cada TF y el gen. La matriz de adyacencia de TFS y los genes fue hecho por las relaciones de atributo entre todos los genes y TFS. La elipse en la red TF-gen representado genes con rojo (hasta reguladas) y verde (el regulado), los triángulos representan los factores de transcripción. La relación entre TF y sus objetivos estaban representados por las flechas, la dirección de la flecha fue desde el origen al destino.
Análisis de los genes de la enfermedad asociada como de la vía de anotación de genes
Base de datos para anotación, y Visualización integrado y Descubrimiento (DAVID) software de anotación funcional se aplicó para analizar el enriquecimiento funcional de los genes aberrantes. opción "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" proporcionó la información sobre la enfermedad asociación enriquecimiento de grupos de genes. Seleccionamos "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" para identificar la clase de enriquecimiento de la enfermedad y "KEGG_PATHWAY" para el enriquecimiento de la vía con el método de Benjamini determinar la score≥1.3 enriquecimiento significativo.
Apoyo a la Información
Figura S1.
análisis Western blot de HIF-1α en 10 pares de cáncer gástrico y los tejidos normales
doi:. 10.1371 /journal.pone.0099835.s001 gratis (DOC)
Tabla S1. Pacientes de datos
doi: 10.1371. /journal.pone.0099835.s002 gratis (DOC) sobre Table S2.
Resumen de 2546 genes expresados diferencialmente en los tejidos de cáncer gástrico en comparación con los tejidos normales distantes. los niveles de expresión génica en tejidos de cáncer gástrico en comparación con los tejidos normales eran distantes al menos 2 veces diferente con un valor de p & lt; 0,05
doi:. 10.1371 /journal.pone.0099835.s003 gratis (XLSX)
Tabla S3.
Resumen de these82 genes expresados diferencialmente en la red TF-normativo en los tejidos de cáncer gástrico
doi:. 10.1371 /journal.pone.0099835.s004 gratis (XLSX) sobre Table S4. Empresas El 95 modos de regulación formados por 82 diferencial de los genes en la red de regulación TF-gen. Toda la información de regulación se deriva de la base de datos elemento regulador transcripcional (TRED)
doi:. 10.1371 /journal.pone.0099835.s005 gratis (XLSX)
Reconocimientos
También gracias la Medjaden Bioscience Limited (Hong Kong, china) para la edición y corrección de este manuscrito.